最新模型
騰訊發布 Hy4 flash:啟用 120 億參數,結合快取縮減與低價 API
騰訊於 11 月 16 日發布 Hy4 flash,支援百萬 token 上下文與圖文輸入,每 token 啟用 120 億參數。新版透過注意力架構、後訓練與量化降低服務成本,效能數據仍以廠商測試為主。

騰訊於 11 月 16 日發布 Hy4 flash,將 Hy4 系列擴展至高頻文件處理與代理工作流程。官方公布總參數為 2,240 億,其中包含 640 億 Engram 參數,每 token 啟用 120 億參數,並提供百萬 token 上下文。這讓工程團隊多了一個可評估的低成本多模態選項。官方公告
技術重點是同時壓低快取與生成開銷。騰訊表示,模型結合混合注意力、LatentMoE 與 Engram,KV cache 大小降至 Hy4 的六分之一;後訓練再以強化學習,使端到端任務的平均輸出 token 減少一半。推論端結合 megakernel、4-bit 量化與 DFly,官方宣稱解碼超過每秒 150 token。這些數字尚不能直接換算成部署容量或請求延遲,仍須確認硬體、批次與輸入長度等條件。技術說明
介面方面,TokenHub 列出的模型 ID 為 hy4-flash,接受文字與圖片、輸出文字,支援函式呼叫、結構化輸出及快取。頁面分別列出最大輸入 960k、最大輸出 64k,以及 1024K 上下文;整合時應依各項限制配置請求預算。標準價格為每百萬 token 輸入人民幣 0.5 元、輸出 2 元、快取命中 0.02 元,頁面另列限時五折價格。TokenHub 模型頁
OpenRouter 也已列出 tencent/hy4-flash,供應商為 Tencent Cloud,並確認工具呼叫與 JSON Schema 輸出能力;但該頁目前標示不支援歐盟區域內路由,有資料落地需求的團隊須留意。OpenRouter 模型頁
對代理應用而言,值得驗證的是完成任務所需的總成本:較短輸出能否維持成功率,以及重試後是否仍有價格優勢。騰訊已表達開放權重的計畫,但公告未提供交付日期;工程團隊接下來應觀察可重現的效能測試、長上下文準確率與權重發布進度。官方公告